Generative Adversarial Networks (GANs)

Generative Adversarial Networks (GANs) sind ein Ansatz der Generativen Künstlichen Intelligenz, der 2014 von Ian Goodfellow vorgestellt wurde. Sie bestehen aus zwei neuronalen Netzen – einem Generator und einem Diskriminator –, die gegeneinander antreten. Der Generator erzeugt neue Datenbeispiele (z. B. Bilder), während der Diskriminator versucht zu unterscheiden, ob es sich um echte Daten aus dem Trainingssatz oder um vom Generator erzeugte Daten handelt.

Dieses Gegenspielerprinzip führt dazu, dass der Generator immer besser darin wird, täuschend echte Daten zu erzeugen. GANs gehören zu den einflussreichsten Methoden im Bereich der generativen KI und haben die Entwicklung vieler moderner Anwendungen ermöglicht.

Wie funktionieren GANs?

Im TrainingTraining Training im Projektkontext bezeichnet strukturierte Schulungsmaßnahmen zur Vorbereitung von Mitarbeitenden auf neue Systeme, Prozesse oder T... Mehr erstellt der Generator zunächst zufällige Datenbeispiele. Der Diskriminator bewertet diese und gibt Feedback, ob sie echt oder künstlich sind. Beide Modelle verbessern sich gegenseitig in einem iterativen Prozess: Der Generator wird kreativer, während der Diskriminator immer genauer wird. Ziel ist es, dass der Diskriminator echte und generierte Daten nicht mehr unterscheiden kann.

Typische Anwendungen:

• Bilderzeugung: Erstellung realistischer Porträts oder Landschaften.
• Deepfakes: Generierung täuschend echter Videos oder Stimmen.
• Kunst und Design: Unterstützung von Kreativen durch neue Stilrichtungen und Entwürfe.
• Datenaugmentation: Erweiterung kleiner Datensätze durch künstlich erzeugte Beispiele.
• Medizinische Forschung: Generierung synthetischer Bilder für die Diagnoseunterstützung.

Vorteile:

• Hohe Qualität: GANs können sehr realistische Daten erzeugen.
• Vielfalt: Sie sind in der Lage, neue Variationen von Daten zu schaffen.
• Breite Anwendbarkeit: Einsatz in zahlreichen Domänen wie Kunst, Gaming, Medizin oder Marketing.

Herausforderungen:

• Training instabil: Generator und Diskriminator können aus dem Gleichgewicht geraten.
• Mode Collapse: Der Generator erzeugt nur wenige ähnliche Ergebnisse statt vielfältiger Daten.
• Ethik und Missbrauch: Täuschend echte Inhalte können für Manipulation und Falschinformation genutzt werden.

Verwandte Begriffe:

Generative KIGenerative KI Generative Künstliche Intelligenz (Generative AI) ist ein Teilbereich der Künstlichen Intelligenz, der darauf abzielt, neue Inhalte wi... Mehr, Diffusionsmodell, VAE, Deepfake, StyleGAN, CycleGAN, Datenaugmentation, Computer VisionComputer Vision Computer Vision ist ein Bereich der Künstlichen Intelligenz, der sich mit der Fähigkeit von Computern befasst, Bilder und Videos zu ... Mehr, Text-to-Image, Prompt EngineeringPrompt Engineering Prompt Engineering bezeichnet die Technik, mit der Eingaben (Prompts) für große Sprachmodelle (LLMs) wie GPT so gestaltet werden,... Mehr, Foundation Models